AI en el lugar de trabajo: Fuerza de trabajo digital y el futuro del trabajo

Las organizaciones emplean la IA en el lugar de trabajo mediante el despliegue de una amplia gama de tecnologías, incluido el machine learning y el procesamiento de lenguaje natural, que pueden imitar la inteligencia humana para resolver problemas, tomar decisiones y realizar tareas tradicionalmente manejadas por humanos. La IA puede analizar datos, reconocer patrones, aprender de la experiencia y adaptarse con el tiempo. A menudo se emplea para optimizar las operaciones, mejorar la productividad, automatizar tareas repetitivas y apoyar la toma de decisiones.

En general, el despliegue de IA en el lugar de trabajo implica un amplio ecosistema de tecnologías, las más comunes son:

• Machine learning: una rama de la informática que se centra en el uso de algoritmos para permitir que la IA imite la forma en que los humanos aprenden, mejorando gradualmente su funcionalidad con el tiempo.

• Procesamiento de lenguaje natural (NLP): una forma de IA que emplea el machine learning para comprender y comunicar en lenguaje humano.

• IA generativa: una forma de IA popularizada recientemente por ChatGPT que puede crear contenido original en respuesta a la solicitud de un usuario.

• Automatización robótica de procesos (RPA): una tecnología de automatización inteligente impulsada por procesos que se emplea a menudo para realizar tareas de oficina repetitivas.

• IA agéntica: una serie de sistemas autónomos de IA capaces de operar de forma independiente con mínima intervención humana. 

Empleando una combinación de estas tecnologías, el despliegue de la IA en el lugar de trabajo podría ser tan sencillo como digitalizar y archivar automáticamente los expedientes de los empleados o traducir el español al inglés. Podría ser tan complejo como brindar a los tomadores de decisiones orientación sobre cómo mejorar los procesos de negocios de una compañía en toda su extensión.

Otros ejemplos incluyen ayudar a los investigadores a identificar nuevos compuestos farmacológicos y predecir su eficacia, o ayudar a los profesionales de la ciberseguridad a identificar y mitigar el fraude. La IA también se utiliza rutinariamente para mejorar las experiencias de los empleados y la experiencia del cliente a través de asistentes de IA, chatbots y agentes de IA.

Pero cada vez más, las organizaciones ven la creación de valor a largo plazo cuando la IA está profundamente integrada en la actividad principal de los departamentos. Hoy en día, solo el 41 % de los datos empresariales en promedio son utilizables por IA, lo que limita el potencial de la tecnología para impulsar la transformación del negocio.

Como Manish Goyal, socio sénior de IBM Consulting, comentó recientemente a la Harvard Business Review: “La IA puede elevar el nivel mínimo para todos, pero el beneficio competitivo reside en emplear la IA para superar los límites, redefiniendo cómo compite la empresa, no solo cómo opera”.

Las organizaciones que adoptan el uso de AI tienen el potencial de mejorar la eficiencia, mejorar la toma de decisiones e impulsar la innovación. Algunas de los beneficios clave relacionados con el uso de AI incluyen:

• Aumento de ingresos
• Datos aprovechados
• Mejor experiencia del cliente 
• Mayor bienestar de los empleados 
• Ventaja competitiva
• Mayor innovación

La IA ayuda a las empresas a aumentar los ingresos y obtener mayores ahorros de costos al optimizar las operaciones, mejorar la toma de decisiones e identificar nuevas oportunidades de crecimiento. Al aumentar la fuerza laboral humana con herramientas de IA, las empresas pueden gastar menos recursos en tareas rutinarias y fomentar que los empleados se involucren en tareas más creativas y valiosas. Como descubrió recientemente el IBM Institute for Business Value, el 79 % de los ejecutivos encuestados espera que la IA contribuya significativamente a sus ingresos para 2030. 

Dado que la AI puede analizar más información que un humano a la vez, la Tecnología permite a las compañías desbloquear todo el potencial de sus datos, convirtiendo la información sin procesar en insights aplicables en la práctica.

La AI mejora la experiencia del cliente al ofrecer interacciones personalizadas, un servicio más rápido y respuestas más precisas. Es experto en analizar el comportamiento del cliente para ofrecer comunicaciones y recomendaciones altamente personalizadas, promoviendo la lealtad del cliente a largo plazo.

La IA apoya a los empleados automatizando tareas rutinarias, mejorando la productividad y fomentando el desarrollo de nuevas habilidades y flujos de trabajo más creativos. Herramientas internas de IA como AskHR de IBM, una plataforma de autoservicio agente, facilitan experiencias más fluidas para los empleados. 

La IA permite a los líderes empresariales elaborar estrategias más poderosas basadas en datos y obtener una ventaja competitiva gracias a una mayor eficiencia y agilidad. Hoy en día, la mayoría de los líderes empresariales creen que su ventaja competitiva se derivará principalmente de la sofisticación de sus modelos de IA. 

La IA fomenta la innovación al desbloquear nuevas posibilidades, acelerando el proceso de investigación y desarrollo. También extrae datos, como feedback de los clientes o tendencias del mercado, para explorar nuevas soluciones de productos. 

La IA se emplea para diversas funciones empresariales en industrias con el fin de aumentar la eficiencia y proporcionar insights basados en datos. Algunas áreas clave en las que las organizaciones utilizan la IA incluyen:

• Procesos de TI
• Flujos de trabajo de atención al cliente
• de la cadena de suministro
• Recursos humanos y gestión de talentos
• Ventas y marketing
• del portapapeles
• Finanzas

Los procesos de TI son adecuados para la integración de la IA, con una encuesta que sugiere que más de la mitad de los ejecutivos encuestados ya están adoptando la IA generativa para optimizar esos procesos. La IA tradicional puede automatizar tareas rutinarias, y mejorar la seguridad y la gestión de sistemas; por ejemplo, optimizando el rendimiento de la red y monitoreando la infraestructura de TI.

Cada vez más, los departamentos de TI utilizan IA generativa para la modernización de aplicaciones y la ingeniería de plataforma, lo que aumenta la productividad. La IA también se ha convertido en una herramienta crucial para mejorar la ciberseguridad, monitoreando grandes cantidades de datos de red para identificar comportamientos sospechosos o brechas. Y con la sofisticación de la agente de IA, los agentes manejan una serie de tareas diarias de TI que incluyen la ejecución de diagnósticos, la clasificación de tickets de TI, la ejecución de diagnósticos y la categorización de problemas. 

La IA se emplea para proporcionar tiempos de respuesta instantáneos, interacciones personalizadas y procesos de soporte optimizados en la atención al cliente. Al emplear PLN, las herramientas de IA pueden comprender y responder las consultas de los clientes en tiempo real, mejorando así la experiencia del cliente o realizar análisis de sentimientos para medir las reacciones de los consumidores.

Los chatbots y asistentes virtuales impulsados por IA manejan las consultas de los clientes y resuelven problemas comunes, brindando autoservicio al cliente y liberando a los empleados humanos para tareas más valiosas. Las herramientas impulsadas por IA también resumen y analizan quejas de comentarios, redes sociales u otros insights para ofrecer información sobre el rendimiento o incertidumbres. La IA proactiva actual también maneja las tareas rutinarias de atención al cliente de manera autónoma, como procesar devoluciones o guiar a los usuarios a través de procesos de solución de problemas.

La AI agiliza las Operaciones de la cadena de suministro al mejorar la forecasting, optimizar el inventario y mejorar la logística. Esto podría incluir la forecasting, en la que los modelos de IA analizan los datos históricos de ventas junto con factores externos para predecir futuras tendencias de pedidos, optimizando los niveles de inventario. La AI también puede evaluar el rendimiento de los proveedores, automatizar la reposición de inventario y optimizar las rutas de transporte para minimizar los tiempos de entrega y reducir los costos.

El software y las aplicaciones asistidos por IA pueden transformar el proceso de recursos humanos al agilizar el reclutamiento, mejorar el compromiso de los empleados y aumentar la gestión de la fuerza laboral. Esto podría incluir la automatización de procesos críticos y repetitivos, como solicitudes de empleo, revisión de currículos o verificación de empleo. También incluye el uso de un sistema de IA para crear capacitaciones de incorporación personalizadas.

Algunas organizaciones emplean la IA para analizar los datos de rendimiento de los empleados, como las métricas de productividad, para identificar a los candidatos fuertes para promociones internas o para identificar a los solicitantes de empleo prometedores. Otros podrían desplegar sistemas agénticos para proporcionar autoservicio conversacional de RR. HH. en cualquier momento del día. El agente virtual interno de IBM, AskHR, automatiza actualmente más de 80 tareas y maneja más de 2.1 millones de conversaciones de empleados cada año, optimizando los procesos complejos de recursos humanos. 

La IA mejora las ventas y el marketing al proporcionar experiencias personalizadas al cliente, mejorar la generación de clientes potenciales y optimizar las campañas de marketing. Esto podría incluir el uso de análisis predictivos para analizar los datos de los clientes y las tendencias de ventas, revelando qué clientes potenciales tienen más probabilidades de convertirse en clientes valiosos.

La IA también ayuda a los departamentos de marketing a segmentar a sus clientes de manera más efectiva y a personalizar la experiencia del cliente. Por ejemplo, el uso de motores de recomendación para mostrar productos o el uso de IA generativa para crear sitios web hiperpersonalizados y comunicaciones a medida.

Otro uso común de la IA en marketing es el análisis de campañas de publicidad digital en tiempo real para maximizar los ingresos de una campaña. Cada vez más, los equipos de ventas utilizan agentes de IA para interactuar con los clientes de manera autónoma, guiando a los prospectos hacia una venta y entregando interacciones difíciles o de alto valor a un agente humano. 

La AI se emplea cada vez más para mejorar la eficiencia operativa mediante la automatización de los flujos de trabajo, la optimización de recursos y la mejora de la productividad. Las herramientas de RPA impulsadas por IA automatizan tareas repetitivas como la entrada de datos, el procesamiento de documentos y la facturación, lo que reduce el error humano y permite a los empleados centrar en actividades más estratégicas.

La IA también ayuda a las compañías a identificar ineficiencias en sus operaciones analizando los datos de rendimiento y sugiriendo mejoras en los procesos, como la reasignación de recursos o el ajuste de los programas de producción. Y en industrias como la manufactura, las herramientas de IA pueden realizar un mantenimiento predictivo, reduciendo el tiempo de inactividad y los costos de reparación. 

La AI se emplea habitualmente para mejorar la gestión de riesgos, automatizar tareas financieras y mejorar la toma de decisiones. Los sistemas de AI pueden analizar patrones de transacciones para detectar anomalías en tiempo real y prevenir el fraude. Algunas herramientas de AI automatizan tareas como el seguimiento de gastos, el procesamiento de facturas y la elaboración de informes financieros para reducir el tiempo dedicado a la introducción manual de datos. Las herramientas de analytics impulsados por IA también ayudan a las compañías a predecir tendencias financieras, como los ingresos y el flujo de caja. Estos pronósticos permiten a las compañías tomar decisiones proactivas, identificar posibles problemas y gestionar mejor sus finanzas. 

Antes de introducir la IA, puede ser útil identificar objetivos comerciales específicos que la IA pueda abordar; básicamente, dejar que la estrategia comercial guíe la estrategia de IA. Este proceso podría implicar mapear cómo la IA se integra en los flujos de trabajo y los sistemas existentes, identificar los procesos clave más adecuados para el aumento y definir objetivos medibles para el éxito.

Durante este tiempo, algunas organizaciones mapean las habilidades existentes y las descripciones de puestos presentes en su empresa. Como en cualquier transformación, una transformación de IA reducirá la necesidad de algunas habilidades mientras exige nuevas. Para preparar a los empleados para el éxito, las iniciativas de recapacitación deben ser una prioridad antes del despliegue de la IA. “Es difícil desarrollar una Estrategia para apartar a tus mejores empleados de sus puestos de trabajo y asignarles funciones que aún no existen”, declaró recientemente Anthony Marshall, líder global del Institute for Business Value de IBM, a la Harvard Business Review.. “Pero el liderazgo visionario audaz será recompensado”. 

Las herramientas de IA son tan confiables como los datos empleados para capacitarlas. Una organización generalmente evalúa su infraestructura tecnológica actual para determinar si está preparada para la IA luego de la etapa de planeación. Esto suele incluir la evaluación tanto de la disponibilidad de los datos como de la infraestructura tecnológica. Durante esta etapa, una organización también identifica los conjuntos de datos, modelos y arquitecturas más apropiados para su caso de uso empresarial. 

Una estrategia de datos sólida y políticas de gobernanza de datos sólidas son esenciales para la IA ética. Durante esta fase, una organización generalmente incorpora procesos para mejorar la transparencia y la seguridad, además de establecer una guía para toda la empresa sobre el uso de los datos y la IA.

Diseñar prácticas de intercambio de datos en toda una empresa también es crítico. Según investigaciones recientes de IBM, solo el 41% de los datos empresariales son utilizables por la IA, lo que impide que muchas empresas con despliegues costosos vean correctamente retornos de inversión. La creación temprana de prácticas de intercambio de datos sin interrupciones ayuda a crear ecosistemas que no solo funcionan, sino que pueden continuar escalando. 

Una vez que se establece una estrategia de datos y se recopilan y limpian los datos, un negocio generalmente ayuda a garantizar que tenga las habilidades y los stakeholders correctos para la implementación. Este proceso podría implicar una colaboración significativa entre los equipos técnicos, de operaciones y de negocios que sean capaces de priorizar los casos de uso de IA, equilibrando el riesgo y la recompensa. Si una empresa descubre que no tiene acceso a los expertos correctos o necesita más habilidades para implementar un proyecto de IA, podría asociarse con un tercero para ayudar a garantizar el éxito.

“Los líderes deben demostrar claramente cómo la IA mejorará la experiencia de los empleados como camino hacia una mejor carrera profesional”, dijo Marshall.. “Necesitan recompensar a las personas que aprenden nuevas habilidades de IA. Y los líderes también deben usarlo, incluso si les resulta incómodo o si hay una curva de aprendizaje. Necesitan liderar el cambio demostrándolo”. 

Las empresas que tratan la IA como un sistema continuo en lugar de una implementación única tienen la oportunidad de capturar retorno de la inversión (ROI) a más largo plazo. También pueden obtener beneficio de usos más innovadores de la Tecnología. Los patrones de datos y los casos de uso cambian con frecuencia, lo que requiere ciclos de retroalimentación regulares y pistas de auditoría expresas. Con grandes sistemas de red que funcionan de forma más o menos autónoma, un solo error puede convertirse en un problema grave. Las herramientas como las capas de orquestación de IA y los planos de control ayudan a las empresas a rastrear, probar y ajustar las herramientas de IA continuamente. 

La IA en el lugar de trabajo tiene amplias implicaciones para el mercado laboral y el futuro del trabajo. Si bien el uso de IA generalmente se asocia con ganancias de productividad para las empresas, muchos esperan que la tecnología lleve a un cambio amplio en los tipos de trabajos que realizan los trabajadores y cómo se los capacita. En resumen, las implementaciones más exitosas serán las más disruptivas, como dijo recientemente el CEO de IBM, Arvind Krishna, en el evento Think 2026 de IBM.

“La brecha entre quién está ganando y quién se está quedando atrás está aumentando. Lo que quisiera que empiecen a pensar es, ¿por qué está pasando eso? ¿Por qué hay ganadores y hay personas que aún no están tratando de adoptar la IA?” preguntó Krishna. “Y eso se reduce a: ¿está utilizando la IA para repensar fundamentalmente su negocio? ¿Están usando la IA para lo que ahora llamamos un nuevo modelo operativo para su empresa? ¿O está tratando de limitarlo a pequeños pilotos y pequeños proyectos? 

“Así que ya no se trata de cuánto es su presupuesto o qué tan grande es su equipo”, agregó. “La cuestión se reduce a: ¿hasta qué punto está integrada la IA en sus procesos empresariales?”

Como parte de su propia iniciativa para transformar el lugar de trabajo, IBM recientemente triplicó su personal de nivel de entrada, centrándose en el análisis y la resolución de problemas en lugar de habilidades fácilmente automatizadas. La realidad, dijo el director de recursos humanos de IBM, Nickle LaMoreaux, es que las empresas están obligadas a “reescribir cada trabajo” para mantenerse competitivas hoy en día. 

La adopción generalizada de tecnologías de IA requerirá importantes iniciativas de mejora de las habilidades para volver a capacitar a la fuerza laboral mundial. A medida que las herramientas de IA se emplean con cada vez más frecuencia y el trabajo aumentado por IA se vuelve más común, es probable que las organizaciones se centren más en maximizar la eficiencia de estas interacciones humano-máquina. Y los más exitosos buscarán no solo automatizar procesos seleccionados, sino utilizar estas tecnologías para reinventar y elevar fundamentalmente la naturaleza de su trabajo.